如何用Pandas筛选满足事件前价格均低于t=0价格的产品组？

针对你的需求，完全可以通过groupby高效实现，不需要额外保留新增列，下面是两种简洁的实现方式：

方法一：无额外列的分组判断 #

直接按id分组后，在组内完成基准价获取和前置价格的条件校验：

import pandas as pd

df = pd.DataFrame({'id': [1,1,1,1,1,2,2,2,2,2], 
                   'time': [-2,-1,0,1,2,-2,-1,0,1,2],
                   'price': [1,2,3,4,5,1,4,3,2,1]})

# 筛选出所有符合条件的id
valid_ids = (
    df.groupby('id')
    .apply(lambda g: g[g['time'] < 0]['price'].max() < g[g['time'] == 0]['price'].iloc[0])
    .pipe(lambda s: s[s].index.tolist())
)

# 提取对应id的全量数据
result = df[df['id'].isin(valid_ids)]
print(result)

方法二：结合transform的紧凑写法 #

如果需要临时用到基准价，用transform给每行匹配对应id的t=0价格，再做分组判断：

# 为每行添加对应id的事件时刻价格
df['event_price'] = df.groupby('id').apply(
    lambda g: g['price'].where(g['time'] == 0).bfill().ffill()
).reset_index(drop=True)

# 筛选满足所有前置价格<基准价的id
valid_ids = (
    df.groupby('id')
    .apply(lambda g: (g[g['time'] < 0]['price'] < g['event_price']).all())
    .pipe(lambda s: s[s].index.tolist())
)

# 得到结果并移除临时列
result = df[df['id'].isin(valid_ids)].drop('event_price', axis=1)

方案优势 #

• 逻辑连贯：利用groupby的聚合能力，把校验和筛选整合在一起，减少中间变量
• 效率更高：针对你提到的所有产品时间窗口一致的特点，分组计算的开销更低
• 可选无额外列：第一种方法不需要修改原数据集，更轻量化

运行后输出符合预期的结果：

id  time  price
0   1    -2      1
1   1    -1      2
2   1     0      3
3   1     1      4
4   1     2      5

内容的提问来源于stack exchange，提问作者greyBag